[发明专利]一种基于改进哈里斯鹰优化算法的光伏电池参数辨识方法

说明书

本发明涉及一种基于改进哈里斯鹰优化算法的光伏电池参数辨识方法，具体包括：1、采集和处理光伏电池的输出电流、电压数据；2、建立光伏电池的工程模型，并构造适应度函数；3、引入柔性递减策略改进猎物初始能量递减方式；4、利用黄金正弦法优化当前种群，引入黄金分割数，并从中筛选出适应度最优个体组建新的种群进入下一步迭代；5、根据种群中个体携带的参数信息计算适应度值，直到猎物的适应度值达到精度要求或达到最大迭代次数后停止，输出猎物的参数信息作为最优的光伏电池参数值并绘制拟合曲线和算法迭代曲线，并对比光伏电池的电流、电压实验结果与模型辨识结果。该方法可替代传统光伏电池辨识方法，有效提高光伏电池参数的辨识精度。

技术领域

本发明涉及光伏电池的参数辨识方法，属于新能源技术领域，具体涉及一种基于改进哈里斯鹰优化算法的光伏电池模型参数辨识方法。

背景技术

太阳能光伏发电有着无污染，可再生和使用广泛的优势，而光伏电池的建模是光伏发电系统的基础，其优劣直接影响系统的整体效果。参数辨识对于光伏系统建模有很大的影响，精准程度不高的参数不但会造成很大的误差，甚至有可能导致最大功率点追踪失败。因此,建立可高精度地描述光伏电池的工程数学模型，并准确地辨识其参数对提高光伏发电系统的效率具有实际意义。

目前，用于光伏电池模型辨识的方法大致分为三类：解析法、数值计算法和优化算法估计法。解析法可以实现快速求解，但求解适应性差的问题一直未得到很好的解决，特别是该方法中的近似处理会降低求解的准确度。数值计算法过分依赖于初值的选择，若误差过大，每次都要重新选取初值，然后观察其收敛性，求解过程中的误差也会随着辨识参数的增加而增大。优化算法具有限制条件少和辨识非线性能力强等优点，已被广泛应用于电池模型的参数辨识中，但是经典智能算法大多存在收敛速度慢和已陷入局部极小点问题，导致整体辨识精度不高。哈里斯鹰优化算法是一种新型启发式智能算法，通过模拟哈里斯鹰优化群体探索、觅食及合作捕食等行为实现算法的全局搜索和局部开发，然而在复杂非线性优化问题中，其仍存在寻优效率不高和易陷入局部最优的缺陷。

发明内容

本发明需要解决的技术问题是针对哈里斯鹰优化算法有时会陷入局部最优，在保证寻优精度的情况下会导致寻优时间增长，且搜索过程调整不够灵活，不能针对性的进行阶段性搜索，影响搜索精度等问题，提出一种高效率高精度的光伏电池参数辨识方法。

为解决上述技术问题，本发明所采用的技术方案是：

一种基于改进哈里斯鹰优化算法的光伏电池参数辨识方法，其特征在于包括以下步骤：

a、根据光伏电池的数学模型，构造光伏电池的工程模型，建立适应度函数，采集和处理光伏电池的输出电流、电压数据进行快速求解；

b、将哈里斯鹰优化算法探索阶段中以柔性递减的方式将初始能量递减到零，进一步选择出适应性更好的个体；

c、进入哈里斯鹰优化算法狩猎阶段，利用黄金正弦法优化哈里斯鹰优化算法迭代出的当代种群，位置更新中引入黄金分割数以便缩小搜寻空间，使其更加靠近最优解，并从种群中筛选出适应性最为优秀的个体组建新的哈里斯鹰优化种群进入哈里斯鹰优化算法的下一步迭代；

d、改进哈里斯鹰优化算法算法用于光伏电池工程模型的参数辨识，直到最优个体的适应度函数值达到预期标准，输出最优个体的参数信息作为光伏电池的模型参数，并绘制拟合曲线与迭代曲线，对比光伏电池的电流电压实验结果与模型辨识结果。

本发明技术方案的进一步改进在于：步骤a中将光伏电池的数学模型简化为便于求解的四参数工程模型，利用标准测试条件下的开路电压、短路电流、最大功率点电压、最大功率点电流进行快速求解。

本发明技术方案的进一步改进在于：步骤a中所述的光伏电池的工程模型，其输出特性表达式为：